II.10Разработка и эксплуатация AI/ML-систем

OUI-1 GGUF — это квантизированная версия модели OUI-1, разработанной thesysdev. Модель распространяется в формате GGUF и предназначена для задач image-text-to-text, связанных с генеративным пользовательским интерфейсом OpenUI и обработкой запросов в соответствующих сценариях. В качестве базовой модели указана thesysdev/OUI-1. Квантизация выполнена с использованием форка Unsloth проекта llama.cpp. Модель можно запускать через Unsloth Desktop и подключать к OpenAI-совместимой API-конечной точке, в том числе для тестирования демонстрационных приложений OpenUI. В README не указаны точный размер модели, архитектура, поддерживаемые модальности помимо назначения image-text-to-text и максимальный размер контекста. Указан английский язык. Модель удобна для локального развёртывания и интеграции с совместимыми API-инструментами, однако квантизация может влиять на точность и качество по сравнению с исходной моделью. Лицензия — Apache-2.0.

Это линейный пробник семантической сегментации сцен ADE20K на модели CanViT, разработанный авторами CanViT. Он обучен на замороженных признаках базовой модели canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in1k-dv3b16-2026-06-22 и предназначен для разметки изображения по классам ADE20K. Архитектура пробника включает LayerNorm, dropout, BatchNorm и свёртку 1 × 1. При обработке используются 10 зрительных фрагментов размером 128 пикселей с R-IID-точками обзора; сцены имеют размер 512 пикселей, а признаки берутся с холста 32 × 32. Модель рассчитана на сегментацию изображений сцен и распространяется по лицензии MIT. Для установки библиотеки README указывает canvit-pytorch версии не ниже 0.2.

EleutherAI/pythia-410m-seed4 — базовая языковая модель из набора PolyPythias, созданного EleutherAI для изучения стабильности обучения и воспроизводимости языковых моделей. Это плотная авторегрессионная модель GPT-NeoX с 454,2 млн параметров и контекстом 2048 токенов, обученная на 300 млрд токенов корпуса The Pile; вариант seed4 отличается случайным seed обучения. Модель предназначена для продолжения текста и исследовательских экспериментов с предобучением, включая сравнение результатов разных запусков обучения. Она принимает текст и генерирует текст на английском языке. Это базовая модель, не настроенная на выполнение инструкций, поэтому для диалога и следования запросам потребуется дополнительная настройка. Веса доступны в формате PyTorch. Модель выпущена по лицензии Apache-2.0. В обучающих данных могут встречаться предвзятые, оскорбительные и фактически неверные материалы; генерация не проходит фильтрацию безопасности или проверку точности. README указывает, что модель не предназначена для производственного развертывания.

JoshuaKelleyDs/quickdraw-ConvNeXT-Tiny-Finetune — дообученная Joshua Kelley модель ConvNeXT-Tiny-224 для классификации изображений. Она принимает изображение и предсказывает его класс; конкретный набор классов и обучающие данные не описаны. В README указаны результаты на оценочном наборе: loss 0,8413 и accuracy 0,7826. Модель основана на facebook/convnext-tiny-224. В репозитории представлены форматы ONNX и safetensors; лицензия — Apache-2.0. Она подходит для классификации изображений в сценариях, где важны классы, на которых модель дообучена, однако описание набора данных и ограничений применения отсутствует.

Qwen2.5-0.5B-Unfettered — экспериментальная компактная языковая модель josephmayo, полученная изменением Qwen/Qwen2.5-0.5B-Instruct. Она предназначена для генерации текста и диалогов без исходных шаблонов отказа, а также для исследований и red teaming. Модель построена на архитектуре Qwen2, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Репозиторий включает форматы Safetensors и GGUF; автор ориентирует модель на запуск на маломощных компьютерах и мобильных устройствах. Модель сохраняет возможности следования инструкциям базовой модели, но автор отмечает, что её способности ограничены небольшим размером. В README заявлено отсутствие фильтров безопасности, поэтому возможны ответы на небезопасные запросы. Указана лицензия OpenRAIL.

Qwen2.5-7B un-aliased ChatML turn markers — исследовательский вариант Qwen2.5-7B от interpretable-finetuning, созданный на основе Qwen/Qwen2.5-7B. В нём заменены строки весов для токенов ChatML-маркеров завершения сообщения и завершения хода на соответствующие строки из Qwen/Qwen2.5-7B-Instruct; остальные веса, конфигурация, токенизатор, словарь, идентификаторы токенов и архитектура сохранены. Это плотная авторегрессионная модель Qwen2 с 7,1 млрд параметров, контекстом до 131 072 токенов и интерфейсом чата. Модель предназначена для генерации текста и экспериментов с корректным завершением ходов в ChatML. В README приведены измерения, показывающие, что замена помогает модели чаще выдавать маркер завершения хода, хотя результат зависит от обучения: одного изменения весов недостаточно для надёжного поведения. Автор предупреждает, что это не опубликованный чекпойнт Qwen2.5-7B, а специализированно изменённая копия; поведение следует проверять на генерациях. Лицензия — Apache-2.0.

Qwen3.8-27B-Abliterated-MTPLX-4bit — это 4-битная квантованная версия языково-зрительной модели Qwen3.8-27B, опубликованная grant-ai. Она создана на основе Qwen3.8-27B-ABLITERATED-BF16 от Blackfrost-AI и использует движок MTPLX, разработанный Youssofal. Модель оптимизирована для запуска на компьютерах Apple Silicon, работы с длинным контекстом и режимами рассуждений, а также поддерживает speculative decoding через MTP. В карточке заявлен pipeline image-text-to-text, однако точный список поддерживаемых языков и размер контекстного окна не указаны. Модель предназначена прежде всего для экспериментальных исследований в области AI safety, включая red-teaming, изучение отказов и alignment, интерпретируемость, квантование и исследование инференса. 4-битная сборка занимает 16,9 ГБ и ориентирована на небольшие Mac и высокую скорость: заявлены до 89,64 токена/с на коротком контексте без рассуждений и 51,01 токена/с при 24-тысячном агентском контексте с режимом thinking-xhigh на Mac Studio M3 Ultra. По сравнению с BF16 заявлен confident-flip rate 7,28%, что указывает на более заметное изменение ответов, чем у 6- и 8-битных вариантов. Ключевое ограничение модели — практически полное удаление защитных отказов: в описании указано, что она может выполнять потенциально вредные инструкции. Поэтому авторы рекомендуют запускать её локально на контролируемом оборудовании, не публиковать как открытый endpoint и не предоставлять недоверенным пользователям. Модель выпущена по лицензии Apache-2.0, при этом пользователь несёт ответственность за соблюдение применимого законодательства и условий исходных лицензий.

Qwen3.8-27B-DFlash2-mxfp4 — неофициальная конверсия модели incoai/Qwen3.8-27B-DFlash2 в формат MLX MXFP4, подготовленная для Apple Silicon и speculative decoding в oMLX. Конверсию выполнил автор репозитория deresolution; модель не является дообучением, объединением, переобучением или новой моделью DFlash и не связана официально с Inco AI или Qwen. Это не самостоятельная чат-модель, а draft-модель DFlash2 для совместной работы с целевой архитектурой Qwen/Qwen3.8-27B. Она предсказывает короткие блоки следующих токенов, после чего целевая модель проверяет их и формирует окончательный результат. Такой подход может ускорить декодирование за счёт сокращения числа вычислительных проходов целевой модели, но не ускоряет обработку префикса; фактический прирост зависит от запроса, настроек генерации, длины контекста и доли принятых токенов. Модель использует квантизацию MXFP4 с номинальной разрядностью 4 бита и размером группы 32, а неквантизированные данные хранятся в BF16. Размер файла составляет около 1 ГБ. Указана поддержка многоязычных сценариев, однако конкретные языки и размер контекста в README не приведены. Конверсия проверена как sidecar для соответствующей Qwen3.8-27B MXFP4 на Mac с Apple Silicon и 32 ГБ памяти; она не предназначена для использования с другими семействами Qwen или несвязанными целевыми моделями. Распространяется по лицензии Apache License 2.0.

Qwen3-8B_MapFinBen — дообученная и объединённая версия Qwen3-8B от автора репозитория, подготовленная для финансового бенчмарка MapFinBen. Модель предназначена для генерации ответов на финансовые запросы в сценариях оценки бенчмарка; репозиторий содержит полные объединённые веса и файлы токенизатора, а также шаблон Ollama для рабочего процесса конвертации бенчмарка. Это плотная авторегрессионная языковая модель архитектуры Qwen3 с 7,6 млрд параметров и контекстом до 40 960 токенов. Для официального сценария оценки предлагается простой формат диалога ChatML; метаданные указывают поддержку чата и генерации текста. Модель основана на Qwen/Qwen3-8B, опубликована в формате safetensors и имеет лицензию other.

Это квантизованная многотокенная предсказывающая головка (MTP) для модели Qwen3.8-Flash-Next, опубликованная Agention и основанная на разработках команды Qwen. Размер головки составляет около 2,28 ГиБ. Она не является самостоятельной моделью и не выполняет задачи отдельно: её необходимо использовать совместно с Agention Qwen3.8-Flash-Next-ROCmFP4-FAST-GGUF для спекулятивного декодирования и ускорения генерации текста. Модель предназначена для запуска через специальную ветку llama.cpp с поддержкой qwen4exp, ROCmFP4 и Vulkan, прежде всего на совместимом AMD-оборудовании, например Radeon 8060S. Головка содержит собственный MoE-компонент на 512 экспертов и рассчитана на контекст до 32768 токенов в приведённой конфигурации. На Radeon 8060S она увеличила скорость генерации примерно с 28,1 до 32,4 токена в секунду при максимуме чернового предсказания 3; принятие черновых токенов составило 0,612. Результаты зависят от оборудования и настроек, а адаптивное черновое предсказание в измерениях оказалось менее эффективным. Основное ограничение — необходимость совместимого целевого GGUF-файла, специальной сборки llama.cpp и значительных ресурсов: целевая модель использует около 85 ГиБ, а головка добавляет ещё примерно 2,3 ГиБ. Проект имеет экспериментальный статус, а используемые изменения llama.cpp ещё не объединены в основную ветку. Лицензия указана как Qwen Community License 1.0.

junnyu/roformer_v2_chinese_char_small — компактная китайскоязычная модель семейства RoFormer V2 от автора репозитория junnyu. Это плотный трансформер с архитектурой RoFormerForMaskedLM, предназначенный прежде всего для восстановления скрытых токенов в тексте (fill-mask). Модель содержит 18,8 млн параметров, принимает последовательности длиной до 512 токенов и опубликована в формате PyTorch. Карточка приводит результаты семейства RoFormer на классификационных задачах CLUE, включая сравнение вариантов RoFormerV2, но эти результаты не являются отдельной оценкой данного small-чекпойнта. Модель может служить основой для извлечения контекстных представлений и дальнейшей адаптации к китайским NLP-задачам. Сведений о лицензии в предоставленных данных нет.

multimodalart/sd-fine-tunable — сборка Stable Diffusion v1.5 с VAE sd-vae-ft-mse и изменёнными конфигурационными файлами, подготовленная для тонкой настройки в FastDreambooth Colab Notebook и Dreambooth Training Space. Модель предназначена для обучения персонализированных генераторов изображений по текстовым запросам в этих средах. Репозиторий использует форматы Diffusers и PyTorch. Автор предупреждает, что сборка не подходит для инференса, а обучение в других средах выполняется на риск пользователя. Применяется лицензия CreativeML OpenRAIL-M; также следует учитывать лицензию исходной модели.

ishaanranjan/slm-agent-action-router-qwen2-5-1-5b — плотная причинная языковая модель семейства Qwen2, разработанная дообучением Qwen/Qwen2.5-1.5B-Instruct. Это полнопараметрический supervised fine-tune на 2000 примерах, созданных детерминированными оракулами на реальных репозиториях Python. Модель предназначена для одной узкой подзадачи агентской разработки: выбирать следующее действие harness по шумному отчёту о ходе работы и возвращать результат в заданной JSON-схеме. Модель рассчитана на использование внутри проверяющего harness, который формирует специальный запрос, разбирает JSON, допускает одну повторную попытку с обратной связью по схеме, применяет детерминированные проверки и при необходимости использует правила. В README сообщается о 97,2% успешных ответов и 100% валидности схемы с первой попытки на тестах по HTTPX и Jinja2, не использовавшихся при обучении. Метаданные указывают 1,5 млрд параметров, контекст до 32768 токенов, поддержку английского языка и лицензию Apache-2.0. Это не универсальный помощник по программированию или чат-модель: checkpoint специализирован для одной закрытой схемы и может не сохранять широкие способности следовать инструкциям.

SPP-T0 Base — базовая предобученная языковая модель на 3 млрд параметров, разработанная EPFL DLab. Это плотная авторегрессионная модель семейства Llama, обученная с нуля по методу Synthetic Persona Pretraining (SPP): к части документов при предобучении добавлялись синтетические рассуждения от первого лица, сформированные на основе конституции. Модель рассчитана на продолжение текста, исследовательское изучение безопасности и выравнивания, а также дальнейшее дообучение. Она не прошла instruction-тюнинг и не поставляется с шаблоном чата. Модель использует токенизатор SmolLM2 с расширенным словарём из 49 280 токенов и контекст до 2 048 токенов. Обучение проведено примерно на 500 млрд токенов из подмножества смеси Olmo 3 Dolma 3. Репозиторий содержит завершённую модель и промежуточные контрольные точки, пригодные для оценки, анализа и дообучения; состояния оптимизатора и генератора случайных чисел отсутствуют, поэтому точно продолжить исходное обучение нельзя. В карточке лицензия обозначена как other, а README сообщает, что её условия ещё окончательно не определены.

씨앗 (Ssiat) 1.0 — компактная языковая модель MOGODIK на 254,7 млн параметров с архитектурой Llama, обученная с нуля для генерации текста на корейском языке. Модель предназначена для запуска на потребительском оборудовании и создания персонажных чат-ботов с помощью дообучения LoRA; сама базовая версия не имеет заданных имени, характера или стиля общения. Контекст составляет 1024 токена, доступны веса в форматах Safetensors и GGUF. Модель ориентирована на короткие диалоги с заданной личностью и быструю локальную настройку на небольшом наборе примеров. По данным карточки, обучение персонажа на 50–80 примерах может занимать 1–2 минуты на GPU RTX 5060 Ti с 16 ГБ памяти; также заявлена возможность запуска квантованной версии на малоресурсных устройствах. Лицензия — Apache 2.0. Ограничения включают слабые фактические знания и точность, неспособность работать с английским, математикой и вычислениями, а также ограниченное удержание фактов в длинных диалогах. В README отдельно предупреждается о некорректной токенизации в Ollama; для запуска автор рекомендует llama.cpp.

Это экспериментальный исследовательский чекпойнт на базе Mistral-7B-Instruct-v0.2, сжатый методом Swift-SVD и восстановленный дообучением LoRA в два этапа. Модель содержит около 7,1 млрд параметров; после сжатия сохранено примерно 60% исходного числа параметров. Архитектура — плотная Mistral для генерации текста, с контекстом до 32 768 токенов. Чекпойнт создан для изучения того, как SVD-сжатие влияет на безопасность ответов и как восстановление отдельных компонентов меняет компромисс между безопасностью и полезностью. Он подходит для экспериментов и оценки поведения сжатых моделей, но не позиционируется как универсальный чат-ассистент. В README приведены результаты проверок AdvBench, StrongREJECT и WildGuard. Модель принимает текст и генерирует текст; базовая модель предназначена для диалога и следования инструкциям. README предупреждает, что сжатие может ухудшать защиту от вредоносных запросов, поэтому чекпойнт следует считать экспериментальным объектом и самостоятельно оценивать перед использованием. Лицензия — Apache-2.0.

Это модель компьютерного зрения для классификации изображений CIFAR-10. Её разработал nielsr, дообучив Swin-Tiny microsoft/swin-tiny-patch4-window7-224 на наборе данных image_folder. Модель построена на архитектуре Swin Transformer и содержит около 33 млн параметров. Модель предназначена для отнесения изображения к одному из классов CIFAR-10. На указанной в карточке оценочной выборке достигла accuracy 0,9789 и loss 0,0690. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0.

suredream/swin-tiny-patch4-window7-224-finetuned-eurosat — дообученная модель компьютерного зрения на основе Swin-Tiny от Microsoft. Она предназначена для классификации изображений; название репозитория указывает на настройку для EuroSAT, однако README сообщает лишь о неизвестном наборе данных и не подтверждает его состав. Модель содержит около 33 млн параметров и распространяется в формате safetensors. В README указаны результаты оценки: accuracy 0,9756 и loss 0,0778; описание набора данных и подробности оценки отсутствуют. Лицензия — Apache-2.0.

Thox-ai разработала ThoxMesh-Head-C6 — компактный классификатор для Seeed XIAO ESP32-C6, обученный с нуля и поставляемый в формате TFLite с квантованием int8. Модель использует 16 признаков и четыре головы: классифицирует события по 8 классам и предсказывает слоты цели, команды и аргумента. Она предназначена для обработки событий устройств в сетях Matter, Thread и Zigbee на микроконтроллере с ограниченной памятью. Точность классификации событий в приведённом README составляет 0,9979; F1 для классов motion и sensor_alert — 0,9903 и 0,9862. Строка действия собирается из перечислимых слотов и поэтому соответствует грамматике, однако это не гарантирует правильность выбранного устройства или команды. README прямо предостерегает от использования ветви действий: три из шести контрольных порогов не пройдены, а смысл целевого устройства остаётся неоднозначным. Данные синтетические, а не собранные на реальном оборудовании; нужны проверка на размеченных записях mesh-сети и проверка аргументов в прошивке. Лицензия репозитория — Apache-2.0.

Карточка модели arcee-ai/Trinity-Large-TrueBase на Hugging Face совпадает с карточкой CollectionStudio/Trinity-Large-TrueBase, поэтому описание составлено по ней. Trinity-Large-TrueBase — базовый чекпойнт предварительного обучения от Arcee AI, выпущенный из тренировочного запуска Trinity Large после обработки 10 триллионов токенов. Это разреженная MoE-модель семейства AFMoE: в README указаны около 398 млрд общих параметров, около 13 млрд активных параметров на токен и 256 экспертов; метаданные Hugging Face указывают 8,7 млрд параметров. Чекпойнт доступен в формате safetensors и рассчитан на контекст до 8192 токенов. Модель предназначена для исследований поведения, возникающего при масштабном предобучении, анализа маршрутизации экспертов, интерпретируемости, пробинга и абляционных экспериментов, а также для последующего дообучения под специализированные задачи. Она прошла предобучение без инструкционных данных, настройки предпочтений и постобучения, поэтому не является готовым диалоговым помощником. Карточка и метаданные отмечают поддержку английского, испанского, французского, немецкого, итальянского, португальского, русского, арабского, хинди, корейского и китайского языков. Модель не настроена на безопасность, полезность или естественный разговорный стиль; без дообучения её ответы могут быть нестабильными. Для fine-tuning требуются значительные вычислительные ресурсы и техническая экспертиза, а расширенный контекст не поддерживается. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

Tucano2-qwen-0.5B-Base — базовая языковая модель для португальского языка, разработанная в рамках инициативы Polygl0t. Это декодерный трансформер семейства Qwen3 с 402,7 млн параметров, полученный продолжением предобучения Qwen/Qwen3-0.6B-Base. Для адаптации токенизатора и представления слов использовался перенос эмбеддингов методом Orthogonal Matching Pursuit; модель обучалась примерно на 50 млрд токенов португалоязычных данных. Контекст — 4096 токенов. Модель предназначена прежде всего для исследований и разработки в области языкового моделирования на португальском языке, сравнения контрольных точек и последующего дообучения под конкретные задачи. Она генерирует текст, но не настроена для прикладных задач и не предназначена для общения с конечными пользователями без дополнительной адаптации. Возможны фактические ошибки, предвзятые или токсичные ответы, повторы и многословие; качество на других языках ограничено. Лицензия Apache 2.0.

allenai/tulu-v2.5-ppo-13b-uf-mean-70b-uf-rm — модель оценки ценности (value model) из серии Tulu V2.5, разработанной Allen Institute for AI. Она создана в ходе обучения PPO и предназначена как отправная точка для исследований и для улучшения декодирования вместе с выпущенными PPO-моделями Tulu. Архитектура — плотная Llama с классификационной головой для токенов; модель содержит 68,7 млрд параметров и поддерживает контекст до 4096 токенов. Модель обучалась на английском языке с использованием данных предпочтений UltraFeedback и смеси инструкций Tulu. Она принимает текст в формате сообщений Tulu и выдаёт оценки ценности на уровне токенов, а не предназначена для обычного диалога с пользователем. Для загрузки в Transformers может потребоваться версия библиотеки из исходного репозитория с поддержкой LlamaForTokenClassification. Модель выпущена по лицензии Apache 2.0.

cardiffnlp/twitter-roberta-base-2022-154m — англоязычная модель RoBERTa-base от Cardiff NLP, обученная на 154 млн твитов, опубликованных с января 2018 года по декабрь 2022 года. Это версия с полным обновлением обучения от исходного чекпойнта, а не инкрементальным обновлением. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForMaskedLM и принимает последовательности длиной до 514 токенов. Основная задача — предсказывать пропущенные токены в тексте (fill-mask). Модель также подходит для получения представлений твитов, как показано в карточке. Перед использованием текста README рекомендует заменять имена пользователей и ссылки на маркеры @user и http, соответствующие предобработке обучающих данных. Модель ориентирована на англоязычные публикации в Twitter; более крупная модель, обученная на тех же данных, доступна отдельно. Веса опубликованы в формате PyTorch по лицензии MIT. Специализация на твитах и временном диапазоне до конца 2022 года ограничивает переносимость на другие жанры и более новые языковые тенденции.

CrabInHoney/urlbert-tiny-base-v1 — компактная модель на архитектуре BERT, подготовленная для последующего дообучения под анализ URL. В метаданных указаны 8,5 млн параметров и контекст длиной 64 токена; README приводит пример использования BertForMaskedLM для предсказания пропущенного токена в строке URL, например доменной зоны. Модель подходит как исходная точка для экспериментов с URL и как masked language model для восстановления токенов в URL-подобных строках. Метаданные также относят её к классификации текста, однако README не описывает готовые классы или сценарий классификации. Распространяется по лицензии MIT.

Veyra AI разработала Veyra2-Mango-30M-Base — компактную плотную причинную языковую модель семейства Llama с архитектурой LlamaForCausalLM и 30,7 млн параметров. Модель обучена с нуля на смеси примерно из 30 млрд токенов и предназначена для продолжения предобучения, исследований, бенчмаркинга и экспериментов с небольшими языковыми моделями. Это базовая модель, а не настроенный для диалога помощник: она принимает текст и генерирует продолжение. Контекст модели — 4096 токенов; в обучении использовалась длина последовательности 3072 токена. Карточка указывает английский язык. Веса доступны в формате safetensors, библиотека — Transformers. Генерация может быть нестабильной, повторяющейся, уходить от темы и содержать фактические ошибки; модель не проходила настройку инструкциями или RLHF и не подходит для высокорисковых задач без дополнительной проверки. Лицензия — Apache-2.0.

Это конверсия модели Video-Depth-Anything-Small из репозитория depth-anything/Video-Depth-Anything-Small в формат MLX. Исходную модель разработала ByteDance; она предназначена для согласованной монокулярной оценки глубины в видео, то есть вычисляет карту глубины для кадров с учётом временной последовательности. Архитектура включает основу DINOv2 ViT-S и временную голову DPT. Модель подходит для анализа глубины в видеороликах и сценариев компьютерного зрения, где важна временная согласованность оценок между кадрами. В README указано сравнение с PyTorch-версией: максимальная относительная ошибка около 1e-5 на CPU и около 1% на GPU при использовании ускоренной арифметики Metal. Репозиторий распространяется по лицензии Apache-2.0.

Это визуальная backbone-модель для извлечения признаков из изображений, связанная с проектом Kaiko AI Towards Large-Scale Training of Pathology Foundation Models. Модель содержит 304 млн параметров и принимает изображения размером 224 × 224 пикселя с тремя цветовыми каналами; размер патча — 14 × 14 пикселей. Репозиторий предоставляет веса в формате Safetensors, а для работы указана библиотека timm. Модель предназначена для получения векторных представлений изображений, которые можно использовать как признаки в последующих задачах компьютерного зрения, в частности при анализе патологических изображений. Карточка не сообщает о поддерживаемых языках или конкретных клинических сценариях. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории.

Wiself/Voice — это инструмент для переноса стилевых характеристик между совместимыми языковыми моделями. Он разработан Wiself и предназначен для создания локального GGUF-файла, в котором «голос» одной модели встраивается в другую без адаптера во время выполнения. В качестве примера используется Gemma 4 26B A4B instruction-tuned с архитектурой MoE, однако заявлена совместимость с моделями одного семейства и одинаковой формой выходной головы, включая Qwen, Gemma, Llama, GLM и DeepSeek. Инструмент ориентирован на перенос авторского стиля, манеры ролевого общения и других характеристик генерации при сохранении базовой модели для рассуждений. Он поддерживает получение голоса из safetensors-репозитория, GGUF-файла или URL и его встраивание в совместимую модель. Основная операция работает с отдельным тензором, обычно lm_head или output.weight; допускаются транспонирование и преобразование типов BF16, F16 и F32 в Q8_0, а при несовместимости используется F16. Также заявлены режимы voice graft и voice chorus для переноса или смешивания нескольких голосов. Voice не является самостоятельной моделью и не содержит готового GGUF-файла: пользователь локально создаёт озвученную модель командой voice cast. Требуются совместимые архитектура, словарь и форма выходной головы; перенос между разными семействами или несовместимыми размерами не гарантируется. Инструмент предназначен для запуска через llama serve и рассчитан на локальное использование. В README указана лицензия Apache-2.0.

VoiceChat 11B MLX INT5 — конвертированный для Apple Silicon вариант речевой модели NVIDIA NemotronLabs VoiceChat 11B, опубликованный aufklarer. Это полнодуплексная система преобразования речи в речь: она потоково воспринимает пользовательскую речь, использует языковой и функциональный каналы Nemotron-H и генерирует ответ голосом Aria через встроенный EAR-TTS. Полный комплект содержит потоковый FastConformer, гибридную языковую модель Nemotron-H и декодер аудиокодека; в совокупности заявлено 11,1 млрд параметров. По метаданным основная задача — audio-to-audio, библиотека — MLX, а лицензия — OpenMDW 1.1. Модель предназначена для голосовых диалоговых агентов и потоковых речевых приложений на компьютерах Apple Silicon. На испытанной системе INT5 занимает меньше памяти, чем вариант INT8, однако полный тракт речи работает медленнее реального времени при учёте распознавания. Квантизация INT5 совпадает с исходной fp16-моделью по следующему токену в 92,55% случаев, поэтому результат для структурированного вывода, включая аргументы вызова инструментов, следует проверять отдельно. Генерация встроенным голосом Aria проверена; включённый кодировщик для клонирования голоса не работает корректно, поэтому пользовательские голоса не поддерживаются.

Werea-TSS — модель синтеза турецкой речи из текста, разработанная организацией Werea. Это дообученная версия FreyaTTS-small с 183,2 млн параметров: модель использует non-autoregressive архитектуру flow-matching DiT, турецкий символьный словарь из 92 знаков и латентное аудиопредставление AudioVAE2. Результат — монофоническое аудио с частотой 48 кГц. Модель предназначена для озвучивания объявлений, создания аудио для доступности и прототипирования голосовых ассистентов на турецком языке. Обучающие тексты созданы для Werea, а учительские голоса получены синтетически из FreyaTTS-small; записи реальных людей и данные для клонирования голоса не использовались. В небольшой внутренней оценке на 20 предложениях качество распознавания синтезированной речи оказалось немного ниже базовой FreyaTTS-small; результаты нельзя напрямую сравнивать с опубликованными оценками Freya. Модель находится в бета-версии: возможны ошибки в именах, иностранных словах и длинных фразах. Она не поддерживает управление эмоциями и клонирование по референсному голосу; важные объявления следует прослушивать перед публикацией, а синтетическое происхождение звука — сообщать слушателям. Код и веса доступны по лицензии Apache License 2.0.